Skip to main content
. 2024 Mar 14;11(3):278. doi: 10.3390/bioengineering11030278

Table 3.

Summary of segmentation performance measures (means ± stds) of the two cartilage classes of our proposed methods DMA-GCN (CT) and DMA-GCN (SEQ) compared to state of the art: 1. patch-based methods, 2. deep learning methods, 3. graph deep learning methods. Best results for all three categories (CT vs SEQ) with respect to DSC index are highlighted.

Femoral Cartilage Tibial Cartilage
Method Recall Precision  DSC  VOE  VD Recall Precision  DSC  VOE  VD
PBSC  83.51%  82.65%  82.23%  29.97%  11.01%  79.76%  81.45%  78.85%  34.28%  11.79%
 (±0.066)  (±0.045)  (±0.061)  (±0.082)  (±0.037)  (±0.021)  (±0.036)  (±0.027)  (±0.031)  (±0.041)
PBNLM  84.12%  83.28%  84.09%  26.73%  8.25%  81.22%  82.07%  80.04%  33.91%  11.41%
 (±0.071)  (±0.045)  (±0.052)  (±0.061)  (±0.084)  (±0.038)  (±0.019)  (±0.027)  (±0.031)  (±0.029)
HyLP  94.04%  93.16%  92.56%  15.16%  5.12%  91.08%  89.98%  89.91%  19.67%  5.85%
 (±0.052)  (±0.051)  (±0.026)  (±0.028)  (±0.034)  (±0.074)  (±0.023)  (±0.018)  (±0.025)  (±0.011)
SegNet  89.18%  89.48%  89.09%  20.73%  5.65%  87.22%  89.07%  86.12%  22.79%  6.23%
 (±0.116)  (±0.219)  (±0.089)  (±0.039)  (±0.066)  (±0.056)  (±0.062)  (±0.034)  (±0.012)  (±0.016)
DenseVoxNet  88.75%  88.67%  87.54%  21.83%  6.45%  87.45%  86.03%  85.68%  25.47%  7.98%
 (±0.156)  (±0.204)  (±0.042)  (±0.048)  (±0.121)  (±0.076)  (±0.041)  (±0.047)  (±0.028)  (±0.025)
VoxResNet  88.03%  88.92%  88.12%  22.71%  6.64%  87.04%  85.26%  85.12%  26.03%  8.04%
 (±0.187)  (±0.205)  (±0.047)  (±0.055)  (±0.128)  (±0.071)  (±0.044)  (±0.043)  (±0.032)  (±0.029)
KCB-Net  89.74%  90.12%  88.92%  23.13%  6.72%  88.12%  87.46%  87.92%  25.90%  8.04%
 (±0.149)  (±0.185)  (±0.031)  (±0.042)  (±0.098)  (±0.055)  (±0.029)  (±0.033)  (±0.017)  (±0.021)
CAN3D  88.04%  88.54%  87.12%  22.93%  6.59%  87.28%  85.26%  85.02%  25.76%  8.01%
 (±0.156)  (±0.205)  (±0.03)  (±0.042)  (±0.098)  (±0.055)  (±0.029)  (±0.033)  (±0.017)  (±0.021)
PointNet  87.13%  88.12%  86.49%  23.06%  7.13%  86.88%  85.03%  84.79%  24.92%  7.39%
 (±0.121)  (±0.187)  (±0.023)  (±0.051)  (±0.104)  (±0.062)  (±0.031)  (±0.023)  (±0.024)  (±0.018)
GCN  90.19%  90.84%  89.23%  19.65%  5.48%  88.92%  89.02%  88.26%  23.27%  6.78%
 (±0.129)  (±0.126)  (±0.030)  (±0.046)  (±0.098)  (±0.059)  (±0.033)  (±0.021)  (±0.028)  (±0.017)
SGC  91.02%  91.31%  89.84%  17.41%  5.19%  89.81%  89.54%  89.02%  22.11%  5.89%
 (±0.212)  (±0.132)  (±0.032)  (±0.064)  (±0.098)  (±0.061)  (±0.047)  (±0.032)  (±0.039)  (±0.028)
ClusterGCN  90.56%  91.08%  90.12%  17.33%  5.16%  90.28%  91.05%  89.93%  22.08%  5.82%
 (±0.141)  (±0.150)  (±0.039)  (±0.058)  (±0.107)  (±0.054)  (±0.061)  (±0.039)  (±0.036)  (±0.024)
GraphSAINT  92.61%  92.74%  90.87%  17.18%  5.16%  91.75%  91.04%  90.12%  22.04%  5.76%
 (±0.132)  (±0.131)  (±0.027)  (±0.051)  (±0.102)  (±0.054)  (±0.029)  (±0.026)  (±0.022)  (±0.020)
GraphSAGE  92.87%  92.91%  90.95%  17.12%  5.09%  92.04%  92.53%  90.49%  20.71%  5.66%
 (±0.129)  (±0.144)  (±0.031)  (±0.065)  (±0.098)  (±0.049)  (±0.033)  (±0.038)  (±0.027)  (±0.024)
GAT  93.14%  93.09%  92.87%  13.90%  4.36%  93.29%  93.81%  90.86%  19.58%  5.61%
 (±0.141)  (±0.203)  (±0.045)  (±0.051)  (±0.101)  (±0.055)  (±0.031)  (±0.019)  (±0.029)  (±0.026)
MGCN  94.11%  93.92%  93.27%  14.05%  4.27%  93.79%  94.06%  91.43%  19.84%  5.34%
 (±0.125)  (±0.181)  (±0.029)  (±0.045)  (±0.096)  (±0.041)  (±0.027)  (±0.024)  (±0.035)  (±0.021)
DMA-GCN (SEQ)  96.13%  95.21%  95.44%  13.21%  3.98%  95.19%  94.41%  93.87%  18.65%  5.03%
 (±0.121)  (±0.183)  (±0.022)  (±0.045)  (±0.089)  (±0.031)  (±0.027)  (±0.024)  (±0.034)  (±0.023)
DMA-GCN (CT)  96.17%  95.81%  95.71%  13.17%  3.94%  95.31%  94.78%  94.02%  17.98%  4.99%
 (±0.117)  (±0.189)  (±0.032)  (±0.051)  (±0.094)  (±0.032)  (±0.025)  (±0.021)  (±0.034)  (±0.029)